Più ti conoscono, più possono farti pagare.

Il prezzo non è più sul cartellino. È dentro il tuo profilo.

Il web aveva trasformato il confronto dei prezzi in un gesto semplice e quasi democratico. Ora gli algoritmi possono usare cronologia, posizione, acquisti e comportamenti digitali per stimare quanto ciascuno sia disposto a spendere. Il rischio è che il mercato più trasparente mai costruito si trasformi in un Grande Fratello esoso, capace di mostrare a ogni consumatore il prezzo massimo che ritiene di potergli strappare.

Due persone possono entrare nello stesso negozio digitale, nello stesso momento, cercare lo stesso prodotto e non trovarsi necessariamente davanti allo stesso mercato. Ciò che appare sullo schermo può dipendere non soltanto dalla disponibilità della merce, dalla domanda o dall’ora della giornata, ma da quello che il sistema sa — o crede di sapere — su chi sta guardando: dove vive, che dispositivo utilizza, quali siti ha visitato, cosa ha comprato in precedenza, quanto tempo si è soffermato su una pagina e quali prodotti ha lasciato nel carrello.

A quel punto il prezzo smette di essere una caratteristica pubblica della merce e diventa un giudizio privato sul cliente.

È un rovesciamento quasi perfetto della prima promessa commerciale del web. Internet aveva ridotto drasticamente il costo della comparazione, permettendo a chiunque di aprire più siti, controllare le offerte e mettere i venditori in concorrenza. Il consumatore non doveva più fidarsi del primo negozio incontrato né investire un pomeriggio per verificare quanto costasse altrove lo stesso oggetto. Il prezzo acquistava visibilità e il mercato diventava, almeno in teoria, più contendibile.

La personalizzazione algoritmica rischia ora di usare quella stessa infrastruttura per ottenere il risultato opposto. Se ogni persona vede un prezzo costruito appositamente per lei, non esiste più un valore comune da confrontare. Il consumatore può aprire dieci finestre, ma resta chiuso dentro il proprio profilo. Crede di osservare il mercato, mentre il mercato sta osservando lui.

La distinzione decisiva è quella tra dynamic pricing e surveillance pricing. Nel primo caso il prezzo cambia in funzione di condizioni generali: la domanda aumenta, i posti disponibili diminuiscono, l’orario è particolarmente richiesto, il magazzino si svuota. È il modello ormai familiare dei voli, degli alberghi e dei servizi di trasporto. Può essere irritante e persino socialmente regressivo, ma almeno risponde a variabili che riguardano il mercato.

Nel surveillance pricing, invece, a cambiare non è soltanto il contesto. Cambia il cliente.

L’algoritmo utilizza dati personali, comportamentali o inferiti per stimare la disponibilità individuale a pagare. Non cerca più semplicemente il prezzo migliore per vendere il prodotto; cerca il prezzo più alto che quella specifica persona potrebbe accettare senza abbandonare l’acquisto. Il prodotto rimane identico, ma il suo costo viene adattato alla presunta vulnerabilità economica, emotiva o circostanziale di chi lo desidera.

La discriminazione di prezzo, naturalmente, non nasce con l’intelligenza artificiale. I commercianti hanno sempre distinto tra clienti, applicato sconti, negoziato, distribuito coupon o fatto pagare di più a chi aveva urgenza e minori alternative. La novità non risiede nell’idea di differenziare il prezzo, bensì nella scala, nell’opacità e nella precisione con cui la differenziazione può essere applicata.

Il venditore tradizionale disponeva di pochi segnali visibili e di un’intuizione imperfetta. La piattaforma digitale può invece combinare migliaia di informazioni, molte delle quali non sono state fornite consapevolmente dal consumatore e alcune delle quali non descrivono fatti, ma inferenze: il reddito probabile, la composizione familiare, la sensibilità al prezzo, il livello di urgenza, la fedeltà alla marca, la probabilità di abbandono e perfino la propensione ad accettare un’offerta prima di cercarne un’altra.

Nel gennaio 2025 la Federal Trade Commission statunitense ha pubblicato i primi risultati di un’indagine dedicata proprio agli intermediari tecnologici che forniscono strumenti di pricing e segmentazione ai retailer. La documentazione esaminata mostrava che informazioni come geolocalizzazione precisa, cronologia di navigazione, acquisti precedenti, movimenti del mouse e prodotti lasciati nel carrello potevano alimentare sistemi capaci di modificare prezzi, promozioni, ordinamento e presentazione delle offerte. Le società analizzate lavoravano complessivamente con almeno 250 clienti, dalla distribuzione alimentare all’abbigliamento. [1]

La cautela è necessaria. L’indagine della FTC era preliminare, alcune società hanno contestato la definizione di surveillance pricing e la presenza di una capacità tecnologica non dimostra automaticamente che ogni cliente la utilizzi per far pagare di più ogni singolo consumatore. Ma il punto industriale è ormai evidente: gli strumenti esistono, vengono commercializzati e consentono di trasformare i dati comportamentali in leve di prezzo.

La differenza tra poterlo fare e farlo davvero si sta inoltre restringendo.

Alla fine del 2025, Consumer Reports e Groundwork Collaborative hanno coinvolto 437 persone in quattro città statunitensi per confrontare i prezzi visualizzati su Instacart. Secondo l’indagine, quasi tre quarti dei prodotti esaminati apparivano a prezzi differenti per clienti diversi, pur provenendo dallo stesso negozio e venendo osservati nello stesso periodo. La differenza media tra il prezzo più alto e quello più basso era del 13%, con scarti che in alcuni casi raggiungevano il 23%. Proiettando le variazioni osservate sulla spesa di una famiglia di quattro persone, i ricercatori hanno stimato un possibile aggravio annuale di circa 1.200 dollari. [2]

Instacart ha sostenuto che si trattasse di test assegnati casualmente, non di surveillance pricing basato sulle caratteristiche personali degli utenti, e nel dicembre 2025 ha annunciato la cessazione degli “item price tests”. La procuratrice generale di New York, Letitia James, ha tuttavia chiesto alla società informazioni dettagliate sui criteri di assegnazione, sulle variabili utilizzate e sull’eventuale impiego di dati comportamentali nelle promozioni e negli sconti. [2]

Il caso è importante proprio perché mostra quanto il confine sia difficile da vedere dall’esterno. Il consumatore nota soltanto il numero finale. Non può sapere se la differenza derivi da un esperimento casuale, da una promozione personalizzata, dalla sua cronologia, dal quartiere in cui vive o da un modello che ha calcolato la sua disponibilità a pagare. Una tecnologia che promette precisione produce così, per chi acquista, un’incertezza quasi assoluta.

New York ha scelto di rendere visibile questa opacità con una frase tanto semplice quanto devastante. Dal novembre 2025, quando un prezzo viene determinato da un algoritmo che utilizza dati personali, la legge statale impone una comunicazione chiara vicino all’offerta:

“THIS PRICE WAS SET BY AN ALGORITHM USING YOUR PERSONAL DATA.”

Questo prezzo è stato stabilito da un algoritmo utilizzando i tuoi dati personali. [3]

È difficile immaginare una formula capace di condensare meglio il nuovo squilibrio del commercio digitale. Il messaggio non dice che il prezzo sia necessariamente più alto, discriminatorio o illegittimo. Dice qualcosa di più essenziale: non stai vedendo semplicemente quanto costa il prodotto; stai vedendo quanto il sistema ha deciso di chiedere a te.

L’industria retail ha provato a contestare la norma, sostenendo che l’avvertenza fosse allarmistica e che gli algoritmi vengano utilizzati anche per distribuire sconti, premiare la fedeltà o recuperare clienti che al prezzo standard non avrebbero acquistato. Un giudice federale ha però respinto il ricorso, riconoscendo l’interesse pubblico alla trasparenza, e la legge è entrata in vigore.

Nel giugno 2026 il legislatore dello Stato di New York è andato oltre. Il One Fair Price Act, approvato da entrambe le camere e ancora in attesa della decisione della governatrice Kathy Hochul, non si limiterebbe a imporre la disclosure, ma vieterebbe l’uso dei dati personali per offrire prezzi diversi a clienti diversi sullo stesso bene o servizio. Resterebbero consentiti i normali programmi fedeltà, i coupon, gli sconti in abbonamento e le agevolazioni fondate su criteri pubblici e uniformi. [4]

Il passaggio dalla trasparenza al divieto rivela che una parte della politica americana non considera più sufficiente avvertire il consumatore. Se il meccanismo altera alla radice la possibilità di comparare le offerte, si sostiene, la semplice informazione rischia di diventare una liberatoria: il cliente viene avvisato di essere profilato, ma non ha alcuno strumento concreto per ricostruire il prezzo che avrebbe visto un’altra persona.

L’Europa ha finora adottato una linea meno radicale. La normativa europea sui diritti dei consumatori impone al venditore di informare chiaramente l’acquirente quando il prezzo è stato personalizzato attraverso un processo decisionale automatizzato, ma non stabilisce un divieto generale della pratica. Nel 2024 la Commissione europea e le autorità nazionali sono intervenute sul caso Tinder, che offriva sconti personalizzati sui servizi premium senza spiegare sufficientemente agli utenti che il prezzo era stato calcolato mediante strumenti automatizzati. La piattaforma si è impegnata a rendere esplicita la personalizzazione e a chiarirne le ragioni. [5]

Anche qui, però, la disclosure risolve soltanto una parte del problema. Sapere che un prezzo è personalizzato non significa sapere come sia stato costruito, quali informazioni siano state utilizzate, quale alternativa sarebbe stata mostrata a un altro utente o se il sistema stia premiando una minore disponibilità economica oppure sfruttando una maggiore urgenza.

È su questa ambivalenza che si concentra la difesa più seria del personalized pricing. Gli algoritmi non vengono impiegati soltanto per aumentare i prezzi. Possono distribuire sconti mirati a consumatori particolarmente sensibili, recuperare domanda che altrimenti andrebbe persa e ampliare l’accesso a beni e servizi. Un prezzo uniforme non è automaticamente più equo: potrebbe risultare troppo alto proprio per chi avrebbe beneficiato di una promozione personalizzata.

Nel giugno 2026 il governatore del Colorado, Jared Polis, ha posto il veto a una legge molto ampia contro il surveillance pricing, sostenendo che avrebbe colpito anche impieghi innocui e vantaggiosi della tecnologia e avrebbe finito per punire “i prezzi differenzialmente più bassi, non soltanto quelli più alti”. [6]

L’obiezione merita di essere presa sul serio. Un divieto costruito male potrebbe eliminare insieme lo sfruttamento e gli sconti, trasformando la tutela del consumatore in un rialzo generalizzato dei prezzi. Non ogni differenza è discriminazione, così come non ogni personalizzazione è abuso.

Ma proprio questa complessità impedisce di affidare la questione esclusivamente alla buona volontà delle imprese.

La domanda corretta non è se un prezzo diverso possa qualche volta favorire il consumatore. È chi possieda le informazioni necessarie per capire quando ciò accade. Il venditore conosce il prezzo standard, le varianti mostrate agli altri clienti, le informazioni utilizzate dal modello, la probabilità di acquisto e il margine atteso. Il consumatore vede un solo numero e deve decidere in pochi secondi se sia conveniente.

L’asimmetria non potrebbe essere più radicale.

La personalizzazione è stata presentata per anni come uno scambio: il cliente consegna dati e riceve rilevanza. Pubblicità meno casuale, raccomandazioni migliori, offerte più adatte, esperienze più fluide. Il surveillance pricing introduce una modifica sostanziale a quel patto. I dati non servono più soltanto a comprendere cosa desideriamo, ma quanto siamo disposti a sacrificare per ottenerlo.

Il customer insight si trasforma in extraction insight.

Per il marketing, questo passaggio è più pericoloso di quanto possa apparire. Nel breve periodo, un sistema capace di catturare una quota maggiore della disponibilità a pagare può produrre margini straordinari. Nel lungo periodo, però, rischia di distruggere la fiducia su cui si regge la relazione tra marca e cliente.

Un programma fedeltà comunica appartenenza e reciprocità: il brand premia chi gli accorda continuità. Un algoritmo che identifica il cliente fedele come meno propenso ad abbandonare potrebbe arrivare alla conclusione opposta: proprio perché quella persona tornerà comunque, può essere fatta pagare di più. La conoscenza del cliente, nata come strumento per servirlo meglio, diventa così una tassa sulla sua prevedibilità.

Il danno non sarebbe soltanto reputazionale. Se i consumatori iniziassero a sospettare che ogni ricerca ripetuta, ogni permanenza sulla pagina e ogni prodotto salvato possa peggiorare l’offerta successiva, il commercio digitale assumerebbe la forma di una partita strategica contro la piattaforma. Navigazione privata, cancellazione dei cookie, account multipli, confronti tra dispositivi e indirizzi differenti diventerebbero strumenti di autodifesa economica.

La customer experience perfettamente personalizzata produrrebbe il cliente perfettamente diffidente.

Esiste poi una questione ancora più profonda. Il prezzo non è soltanto il punto in cui si incontrano domanda e offerta; è anche un’informazione sociale. Permette di confrontare, valutare, rinunciare, protestare e comprendere il valore attribuito collettivamente a un bene. Se diventa invisibilmente individuale, perde questa funzione pubblica.

Il mercato si frammenta in milioni di negoziazioni unilaterali nelle quali soltanto una parte sa che cosa stia realmente accadendo.

Il Grande Fratello immaginato da Orwell osservava per esercitare potere politico. Quello commerciale non ha bisogno di punire né di censurare. Gli basta conoscere abbastanza bene ogni persona da trasformare una debolezza, una fretta o un desiderio in una variabile di margine.

Non dice al consumatore che cosa deve comprare.

Calcola quanto può permettersi di farglielo pagare.

È qui che il surveillance pricing smette di essere una semplice evoluzione del revenue management e diventa una questione di libertà economica. La libertà di scegliere presuppone che le condizioni della scelta siano almeno comprensibili. Se il prezzo deriva da un modello opaco, alimentato da dati che il cliente non ricorda di aver fornito e da inferenze che non può correggere, il consenso all’acquisto rimane formalmente libero ma sostanzialmente impoverito.

Il web aveva reso possibile entrare in un mercato e osservarne i prezzi.

Il nuovo commercio algoritmico rischia di costruire un mercato che osserva noi e nasconde, dietro ogni schermo, il prezzo che ha calcolato sulla nostra vita.

La vera innovazione non consisterà allora nel riuscire a estrarre da ciascun cliente il massimo valore possibile. Consisterà nel sapere dove fermarsi, prima che la personalizzazione cancelli l’idea stessa di un prezzo equo e trasformi la conoscenza del consumatore in una licenza per spremerlo.

Perché quando il prezzo è dentro il profilo, non siamo più noi a confrontare le offerte.

Sono le offerte a confrontare noi.

Fonti 

[1] L’indagine preliminare della FTC documenta i dati utilizzabili, le funzioni offerte dagli intermediari e il portafoglio complessivo di almeno 250 clienti; la Commissione precisa che alcune società hanno contestato la qualificazione dei propri strumenti come surveillance pricing. (Federal Trade Commission)

[2] I dati dell’esperimento su Instacart e la successiva richiesta di chiarimenti provengono dall’Attorney General di New York e dal memo di Consumer Reports. La stessa documentazione registra la replica della piattaforma e la cessazione degli item price tests. (New York State Attorney General)

[3] La legge di disclosure di New York è entrata in vigore nel novembre 2025 e impone di segnalare chiaramente quando un prezzo è stabilito utilizzando dati personali. (Governor Kathy Hochul)

[4] Il One Fair Price Act è stato approvato dal legislatore nel giugno 2026, ma al momento non risulta ancora firmato dalla governatrice. Il testo distingue il surveillance pricing dai programmi fedeltà e dagli sconti applicati secondo criteri pubblici. (New York State Attorney General)

[5] Nell’Unione europea i venditori devono comunicare quando un prezzo è personalizzato mediante decisione automatizzata. L’intervento su Tinder del 2024 è un’applicazione concreta di questo principio. (EUR-Lex)

[6] Il veto del Colorado rappresenta il principale controargomento politico recente: una regolazione troppo ampia può colpire anche sconti e personalizzazioni favorevoli al cliente. (theguardian.com)